Skript - TU Darmstadt/Mathematik

1
Kurzskript zur Vorlesung
Mathematik I und II
für Maschinenbau und Bauingenieurwesen
Prof. Dr. Ulrich Reif
Prof. Dr. Priska Jahnke
PD. Dr. Robert Haller-Dintelmann
2
Vorbemerkung:
Im vorliegenden Kurzskript werden wesentliche Begriffe, Resultate und Methoden zu
den Vorlesungen Mathematik I und II zusammen gestellt. Aufgrund des skizzenhaften
Charakters kann es weder den Besuch der Vorlesung noch der Übungen ersetzen.
Korrekturen senden Sie bitte per Email an [email protected].
3
Inhaltsverzeichnis
1 Grundbegriffe und Bezeichnungen
4
2 Vektorrechnung
8
3 Lineare Gleichungssysteme
19
4 Matrizenrechnung
31
5 Lineare Abbildungen
40
6 Eigenwerte und -vektoren
48
7 Folgen
53
8 Reihen
58
9 Reelle Funktionen
63
10 Differenziation
71
11 Integration
77
12 Komplexe Zahlen
90
13 Folgen und Reihen von Funktionen
95
14 Taylor-Reihen
99
15 Fourier-Reihen
105
16 Funktionen mehrerer Veränderlicher
109
17 Differenziation
115
18 Taylor-Reihen in mehreren Veränderlichen
119
19 Extrema
121
20 Integrale mit Parametern
124
21 Kurvenintegrale
126
22 Integrale in Rn
132
23 Flächenintegrale
138
24 Integralsätze
141
4
1
Grundbegriffe und Bezeichnungen
1.1 Mengen: Die mathematisch korrekte Definition des Mengenbegriffs ist eine überraschend
komplizierte Angelegenheit. Für unsere Zwecke genügt aber eine naive“ Beschreibung,
”
die auf Georg Cantor zurückgeht. Demnach ist eine Menge eine Zusammenfassung bestimmter, wohlunterschiedener Objekte unserer Anschauung oder unseres Denkens zu
einem Ganzen. Die Objekte der Menge heißen Elemente der Menge. Wenn m ein Element der Menge M ist, dann schreiben wir m ∈ M und anderenfalls m 6∈ M . Mengen
können auf unterschiedliche Weise angegeben werden:
• vollständige Aufzählung, z.B. P = {Hund, Biene, Spinne}
• unvollständige Aufzählung, z.B. Q = {2, 4, 6, 8, . . . }
• Angabe von Eigenschaften, z.B. R = {x ∈ N : |x − 5| < 3}, lies R ist die Menge
”
aller natürlichen Zahlen x mit der Eigenschaft, dass sich x von der Zahl 5 um
weniger als 3 unterscheidet“.
Die Menge, die keine Elemente enthält, heißt leere Menge und wird mit ∅ bezeichnet.
Zur Abkürzung verwenden wir folgende Pfeile:
⇒ lies: daraus folgt,
⇔ lies: genau dann wenn
1.2 Mengen von Zahlen: Wir verwenden folgende Bezeichnungen:
N = {1, 2, 3, . . . }
natürliche Zahlen
Z = {. . . , −2, −1, 0, 1, 2, . . . }
ganze Zahlen
N0 = {0, 1, 2, 3, . . . }
natürliche Zahlen mit 0
Q = {p/q : p ∈ Z und q ∈ N}
rationale Zahlen
R = Menge aller Dezimalzahlen
reelle Zahlen
R>0 = {x ∈ R : x > 0}
positive reelle Zahlen
R≥0 = {x ∈ R : x ≥ 0}
nichtnegative reelle Zahlen
(a, b) = {x ∈ R : a < x < b}
offenes Intervall
(a, b] = {x ∈ R : a < x ≤ b}
halboffenes Intervall
[a, b] = {x ∈ R : a ≤ x ≤ b}
abgeschlossenes Intervall
[a, b) = {x ∈ R : a ≤ x < b}
halboffenes Intervall
C = {a + ib : a, b ∈ R}
Menge der komplexen Zahlen
1.3 Beziehungen zwischen Mengen:
• Gleichheit: Zwei Mengen stimmen genau dann überein, wenn Sie dieselben Elemente haben. Dabei ist die Reihenfolge unerheblich, z.B. gilt im Beispiel oben
R = {7, 4, 3, 6, 5} = {3, 4, 5, 7, 6}.
• Teilmenge: Wenn jedes Element einer Menge A auch in der Menge B enthalten
ist, dann heißt A Teilmenge von B und B heißt Obermenge von A. Wir schreiben
dann
A ⊂ B oder auch B ⊃ A.
5
1.4 Mengenoperationen: Seien A und B zwei Mengen, dann definieren wir:
• Vereinigung: Die Vereinigung von A und B enthält alle Elemente, die in A oder
B enthalten sind,
A ∪ B = {x : x ∈ A oder x ∈ B}.
• Schnitt: Der Schnitt von A und B enthält alle Elemente, die in A und B enthalten
sind,
A ∩ B = {x : x ∈ A und x ∈ B}.
• Differenz: Die Differenz von A und B enthält alle Elemente, die in A, aber nicht
in B enthalten sind,
A \ B = {x : x ∈ A und x 6∈ B}.
• Kartesisches Produkt: Das kartesische Produkt von A und B ist die Menge aller
geordneten Paare, deren erstes Element in A und deren zweites Element in B liegt,
A × B = {(x, y) : x ∈ A und y ∈ B}.
Für das kartesische Produkt einer Menge mit sich selbst schreibt man auch A2 =
A × A.
1.5 Beispiel: Sei A = [−2, 4] und B = (1, 5]. Dann gilt
A ∪ B = [−2, 5],
A ∩ B = (1, 4],
A \ B = [−2, 1].
Das kartesische Produkt A × B bildet ein Rechteck in der Ebene.
1.6 Funktionen: Eine Vorschrift f , die jedem Element x einer Menge D genau ein
Element y einer anderen Menge Z zuordnet, heißt Funktion. Wir schreiben dann
f : D → Z,
f (x) = y.
Die Menge D heißt Definitionsmenge von f , die Menge Z heißt Zielmenge von f . Es
heißt x Argument von f oder Urbild von y, y Bild von x. Die Bildmenge von f ist
B = {f (x) : x ∈ D}; das ist eine Teilmenge von Z, also B ⊂ Z.
1.7 Beispiel:
• Seien P und Q die Mengen aus Abschnitt 1.1 und f : P → Q2 die Funktion, die
jedem Tier die Zahl seiner Beine und die Zahl seiner Augen zuordnet. Dann ist
f (Hund) = (4, 2),
f (Biene) = (6, 2),
f (Spinne) = (8, 8),
und die Bildmenge ist B = {(4, 2), (6, 2), (8, 8)}.
• Sei g : R2 → R die Funktion, die jedem Punkt der Ebene seinen Abstand zum
Ursprung zuordnet, dann ist
p
g(x, y) = x2 + y 2
und die Bildmenge ist B = R≥0 .
6
• Die Vorschrift, die jeder natürlichen Zahl ihre Teiler zuweist, ist keine Funktion
von N nach N, da es Argumente gibt, denen mehr als ein Element der Zielmenge
zugewiesen wird.
• Die Vorschrift, die jeder reellen Zahl ihren Kehrwert zuweist, ist keine Funktion
von R nach R, da der Kehrwert von 0 nicht definiert ist.
1.8 Eigenschaften von Funktionen: Eine Funktion f : D → Z heißt
• injektiv, wenn voneinander verschiedene Argumente auch voneinenader verschiedene
Bilder besitzen,
x1 6= x2 ⇒ f (x1 ) 6= f (x2 ),
• bijektiv, wenn sie injektiv ist und die Bildmenge mit der Zielmenge übereinstimmt.
1.9 Beispiel:
• Die Funktion f1 : R → R, f1 (x) = x2 ist weder injektiv noch bijektiv (nicht
injektiv, da z.B. f1 (1) = f1 (−1)).
• Die Funktion f2 : R≥0 → R, f2 (x) = x2 ist injektiv, aber nicht bijektiv (Bildmenge
ist B = R≥0 , Zielmenge ist R).
• Die Funktion f3 : R≥0 → R≥0 , f3 (x) = x2 ist bijektiv.
Man beachte, dass alle drei Funktion trotz der übereinstimmenden Funkionsvorschrift
voneinander verschieden sind, da die Definitions- und Zielmengen nicht gleich sind.
1.10 Umkehrfunktion: Sei f : D → B eine bijektive Funktion, dann gibt es zu jedem
Element der Menge B genau ein Urbild in D. Die Vorschrift, die jedem y ∈ B das Urbild
x ∈ D zuweist, ist eine Funktion von B nach D und wird als Umkehrfunktion bezeichnet,
f −1 : B → D,
f −1 (y) = x ⇔ f (x) = y.
Es gilt dann
f −1 (f (x)) = x und f (f −1 (y)) = y
für alle x ∈ D und alle y ∈ B.
1.11 Beispiel [→ 1.9]: Die Funktion f3 ist bijektiv und ihre Umkehrfunktion hat die
Form
√
f3−1 : R≥0 → R≥0 , f3−1 (y) = y.
1.12 Verkettung: Seien f : Df → Zf und g : Dg → Zg zwei Funktionen. Wenn
Bf ⊂ Dg gilt, dann ist die Verkettung h = g ◦ f (lies “g nach f“) definiert durch
h : Df → Z g ,
h(x) = g(f (x)).
1.13 Beispiel [→ 1.7]: Die Verkettung h = g ◦ f ist definiert, da die Bildmenge Q2
von f eine Teilmenge der Definitionsmenge R2 von g ist. h ist eine Funktion von P nach
R mit
√
√
√
h(Hund) = 2 5, h(Biene) = 2 10, h(Spinne) = 8 2.
7
1.14 Summenzeichen: Seien n ∈ N, a1 , a2 , . . . , an ∈ R. Dann:
n
X
j=1
aj = a1 + a2 + · · · + an .
1.15 Beispiel:
• 1 + 2 + 3 + ··· + n =
•
•
P7
j=3
P2
Pn
j=1
j (=
n(n+1)
)
2
j 2 = 32 + 42 + 52 + 62 + 72 (= 135)
1
k=1 k
=
1
1
+ 12 ( 32 )
1.16 Rechenregeln: Seien m, n ∈ N, a1 , a2 , . . . , an , b1 , b2 , . . . , bm ∈ R, c ∈ R.
• Ausklammern/Ausmultiplizieren:
P
Pn
c nk=1 ak =
k=1 cak
(c(a1 + a2 + · · · + an ) = ca1 + ca2 + · · · + can )
• Summe zweier Summen:
n
X
ak +
k=1
• Für m < n gilt:
n
X
n
X
k=1
bk =
k=1
ak =
k=1
• Indexverschiebung:
n
X
ak =
k=1
k=0
(ak + bk )
k=1
m
X
n−1
X
n
X
ak +
n
X
ak
n+17
X
al−17
k=m+1
ak+1 =
l=18
8
2
Vektorrechnung
2.1 Vektoren in Rn : Die Menge aller Vektoren


x1
 x2 


~x =  ..  = [x1 , x2 , . . . , xn ]T
 . 
xn
mit Koordinaten xi ∈ R wird mit Rn bezeichnet. Speziell erhält man für n = 1 die
Zahlengerade R, für n = 2 die Ebene R2 und für n = 3 den Raum R3 .
Vektoren wie oben werden auch als Punkte im Rn bezeichnet. Wir identifizieren beide Begriffe und verstehen unter einem Vektor ~x = [x1 , . . . , xn ]T sowohl die Verbindungsstrecke
von ~0 = [0, . . . , 0]T nach [x1 , . . . , xn ]T , als auch den Endpunkt der Verbindungsstrecke
mit den Koordinaten x1 , . . . , xn .
2.2 Rechnen mit Vektoren: Sei ~x = [x1 , . . . , xn ]T und ~y = [y1 , . . . , yn ]T , dann gilt
• Addition, Subtraktion:



~x + ~y = 

x1 + y1
x2 + y2
..
.
xn + yn
• Skalarmultiplikation:



α~x = 




,

αx1
αx2
..
.
αxn



~x − ~y = 




,

x1 − y1
x2 − y2
..
.
xn − yn





α∈R
Insbesondere ist 1~x = ~x, (−1)~x = −~x und 0~x = ~0.
• Distributivgesetze:
(α + β)~x = α~x + β~x,
α(~x + ~y ) = α~x + α~y ,
α, β ∈ R
2.3 Norm eines Vektors: Die euklidische Norm des Vektors ~x = [x1 , . . . , xn ]T ist
durch
v
u n
q
uX
k~xk := x21 + · · · + x2n = t
x2i
i=1
definiert. Sie gibt die Länge des Vektors im geometrischen Sinne an und hat folgende
Eigenschaften:
• Positive Definitheit:
k~xk > 0 für ~x 6= ~0
k~xk = 0 für ~x = ~0
9
• Homogenität:
kα~xk = |α| k~xk,
α∈R
• Dreiecksungleichung:
k~x + ~y k ≤ k~xk + k~y k
k~x − ~y k ≥ |k~xk − k~y k|
2.4 Normierung: Sei ~x 6= ~0 ein Vektor, dann erhält man durch die Normierung
~x0 :=
~x
k~xk
einen Vektor ~x0 der Länge 1, der dieselbe Richtung wie ~x besitzt.
2.5 Skalarprodukt: Das Skalarprodukt zweier Vektoren ~x, ~y ∈ Rn ist definiert durch
h~x, ~y i := x1 y1 + · · · + xn yn =
n
X
xi yi .
i=1
Die Vektoren ~x, ~y heißen orthogonal, wenn
h~x, ~y i = 0.
Die Vektoren ~x und ~y stehen dann im geometrischen Sinne senkrecht aufeinander. Der
Nullvektor ist orthogonal zu allen anderen Vektoren. Skalarprodukt und Norm sind
durch die Formeln
verknüpft.
k~xk2 = h~x, ~xi
1
h~x, ~y i = k~x + ~y k2 − k~x − ~y k2
4
2.6 Eigenschaften:
• Symmetrie:
h~x, ~y i = h~y , ~xi
• Linearität
αh~x, ~y i = hα~x, ~y i = h~x, α~y i,
h~x1 + ~x2 , ~y i = h~x1 , ~y i + h~x2 , ~y i
h~x, ~y1 + ~y2 i = h~x, ~y1 i + h~x, ~y2 i
α∈R
• Binomische Formel:
h~x + ~y , ~x + ~y i = h~x, ~xi + 2h~x, ~y i + h~y , ~y i
• Sei ϕ der Winkel zwischen ~x und ~y , dann gilt
h~x, ~y i = k~xk · k~y k cos ϕ.
• Cauchy-Schwarz-Ungleichung:
h~x, ~y i ≤ k~xk · k~y k
10
2.7 Vektorprodukt: Das Vektorprodukt (auch Kreuzprodukt genannt) zweier Vektoren ~x, ~y ∈ R3 ist definiert durch

 
 

x2 y3 − x3 y2
y1
x1
 x2  ×  y2  =  x3 y1 − x1 y3  .
x1 y2 − x2 y1
y3
x3
Das Ergebnis ~z = ~x × ~y ist also wieder ein Vektor in R3 .
2.8 Eigenschaften:
• Antisymmetrie:
~x × ~y = −(~y × ~x)
Daraus folgt insbesondere
~x × ~x = ~0.
• Linearität:
α(~x × ~y ) = (α~x) × ~y = ~x × (α~y ),
(~x1 + ~x2 ) × ~y = ~x1 × ~y + ~x2 × ~y
~x × (~y1 + ~y2 ) = ~x × ~y1 + ~x × ~y2
• Orthogonalität:
α∈R
h~x × ~y , ~xi = h~x × ~y , ~y i = 0
• Sei ϕ der Winkel zwischen ~x und ~y , dann gilt
k~x × ~y k = k~xk · k~y k · | sin ϕ|.
~x × ~y ist also ein Vektor, der senkrecht auf ~x und ~y steht und als Länge den
Flächeninhalt des von ~x und ~y aufgespannten Parallelogramms besitzt.
• Die drei Vektoren ~x, ~y , ~x × ~y bilden in dieser Reihenfolge ein Rechtssystem. Das
heißt anschaulich gesprochen folgendes: Wenn der Daumen und der Zeigefinger der
rechten Hand in Richtung ~x und ~y zeigen, dann zeigt der Mittelfinger in Richtung
~x × ~y .
• Spatprodukt: Ist w
~ ein weiterer Vektor im R3 , so beschreibt der Betrag von hw,
~ ~x × ~y i
das Volumen des durch w,
~ ~x, ~y aufgespannten Parallelepipeds (oder Spat).
11
Das Vorzeichen von hw,
~ ~x × ~y i gibt an, ob w,
~ ~x, ~y ein Rechtssystem (positiv) oder
ein Linkssystem (negativ) ist. Es gilt:
hw,
~ ~x × ~y i = h~y , w
~ × ~xi = h~x, ~y × wi.
~
2.9 Geraden in Rn : Seien p~ und ~r Vektoren in Rn und ~r 6= 0. Die Gleichung
λ ∈ R,
g : ~x = p~ + λ~r,
beschreibt eine Gerade in Rn in parametrisierter Form. Man bezeichnet p~ als Aufpunkt,
~r als Richtungsvektor und λ als Parameter der Geraden g.
2.10 Beispiel: Im Bild ist p~ = [5, 1]T und ~r = [−2, 1]T , also
−2
5
, λ ∈ R.
+λ
g : ~x =
1
1
Für λ = 3 erhält man den Punkt ~x = [−1, 4]T und für λ = −1 den Punkt ~x = [7, 0]T .
12
2.11 Abstand Punkt-Gerade: Der Abstand d(~q, g) eines Punktes ~q von der Geraden
g : ~x = p~ + λ~r ist definiert als
d(~q, g) := min k~x − ~qk.
~
x∈g
Dies ist also der kleinste Abstand, den ein Punkt auf der Geraden von ~q haben kann. Der
Punkt ~x∗ = p~ + λ∗~r, für den dieses Minimum angenommen wird, ist dadurch gekennzeichnet, dass der Verbindungsvektor zum Punkt ~q senkrecht zum Richtungsvektor ~r der
Geraden ist,
h~x∗ − ~q, ~ri = h~p − ~q + λ∗~r, ~ri = 0.
Löst man diese Gleichung nach λ∗ auf, so erhält man
λ∗ =
h~q − p~, ~ri
h~r, ~ri
und damit ~x∗ . Schließlich ist
d(~q, g) = k~x∗ − ~qk.
2.12 Beispiel [→ 2.10]: Für g : ~x = [5, 1]T + λ[−2, 1]T und ~q = [2, 5]T ist
1
∗
∗
.
λ = 2 und ~x =
3
Damit erhält man
d(~q, g) = k~x∗ − ~qk =
√
5.
2.13 Implizite Form von Geraden in R2 : Sei
g : ~x = p~ + λ~r,
λ ∈ R,
13
eine Gerade in R2 und ~n 6= ~0 ein Normalenvektor. Dies ist ein Vektor, der senkrecht auf
~r steht, also h~r, ~ni = 0. Multipliziert man die Gleichung der Geraden skalar mit ~n, dann
erhält man die implizite Form
g : h~x, ~ni = h~p, ~ni.
Die Gerade g ist also die Menge aller Punkte ~x ∈ R2 , die diese Gleichung erfüllen. Auf
der linken Seite steht eine Linearkombination der Komponenten von ~x, und auf der
rechten Seite steht die Konstante d := h~p, ~ni ∈ R. Einen Normalenvektor ~n erhält man
beispielsweise gemäß
b
a
.
⇒ ~n :=
~r =
−a
b
Damit lautet die implizite Form
g : bx − ay = d.
2.14 Hessesche Normalform: Normiert man speziell den Normalenvektor ~n auf Länge 1
[→ 2.4], das heißt
~n
,
~n0 :=
k~nk
dann lautet die implizite Form einer Geraden g in R2
d
g : h~x, ~n0 i = d0 , wobei d0 := h~p, ~n0 i =
.
k~nk
Diese bezeichnet man als die Hessesche Normalform der Geraden g. Sie ist dadurch ausgezeichnet, dass der Betrag der Konstanten d0 den Abstand der Geraden vom Ursprung
angibt, also
d(~0, g) = |d0 |.
Der Abstand eines beliebigen Punktes ~q ∈ R2 von der Geraden ist durch
gegeben.
d(~q, g) = |d0 − h~q, ~n0 i|
2.15 Beispiel [→ 2.12]: Sei g : ~x = [5, 1]T + λ[−2, 1]T und ~q = [2, 5]T . Man erhält
1
−2
⇒ d = h~p, ~ni = 7
⇒ ~n =
~r =
2
1
und damit die implizite Form
g : x + 2y = 7.
Beispielsweise erfüllen die Punkte x = 7, y = 0 und x = −1, y = 4 diese Gleichung
[→ 2.10]. Die Normierung
√
7
1
1
⇒ d0 = h~p, ~n0 i = √
k~nk = 5 ⇒ ~n0 = √
5 2
5
liefert die Hessesche Normalform
1
2
7
g : √ x+ √ y = √ .
5
5
5
√
Der Abstand der Geraden vom Ursprung ist also d0 = 7/ 5. Der Abstand des Punktes
~q = [2, 5]T ist wie zuvor
√
√
√
d(~q, g) = |7/ 5 − h[2, 5]T , [1, 2]T i/ 5| = 5.
14
2.16 Ebenen in R3 : Seien p~, ~r1 , ~r2 Vektoren in R3 und ~n := ~r1 ×~r2 6= ~0. Die Gleichung
λ1 , λ2 ∈ R,
E : ~x = p~ + λ1~r1 + λ2~r2 ,
beschreibt eine Ebene in R3 in parametrisierter Form. Man bezeichnet p~ als Aufpunkt,
~r1 , ~r2 als Richtungsvektoren, ~n als Normalenvektor und λ1 , λ2 als Parameter der Ebene.
2.17 Abstand Punkt-Ebene: Der Abstand d(~q, E) eines Punktes ~q von der Ebene
~x = p~ + λ1~r1 + λ2~r2 ist definiert als
d(~q, E) := min k~x − ~qk.
~
x∈E
Dies ist also der kleinste Abstand, den ein Punkt auf der Ebene von ~q haben kann. Der
Punkt ~x∗ = p~ + λ∗1~r1 + λ∗2~r2 , für den dieses Minimum angenommen wird, ist dadurch
gekennzeichnet, dass der Verbindungsvektor zum Punkt ~q senkrecht zu beiden Richtungsvektoren ~r1 , ~r2 der Ebene ist, d.h.,
~x∗ − ~q = µ~n.
Multipliziert man diese Gleichung skalar mit ~n, dann erhält man
h~p − ~q, ~ni = µh~n, ~ni
⇒
µ=
h~p − ~q, ~ni
,
k~nk2
da h~r1 , ~ni = h~r2 , ~ni = 0. Der Abstand ist also
d(~q, E) = kµ~nk = |µ| · k~nk =
|h~p − ~q, ~ni|
.
k~nk
Man beachte die Analogie zur Berechnung des Abstands Gerade-Gerade.
2.18 Beispiel: Sei p~ = [1, 1, 5]T , ~r1 = [3, 0, 1]T und ~r2 = [1, 2, −1]T , also
 
 


1
3
1
E : ~x =  1  + λ1  0  + λ2  2  , λ1 , λ2 ∈ R.
5
−1
1
Dann ist der Normalenvektor gegeben durch


−2
~n = ~r1 × ~r2 =  4 
6
⇒
k~nk =
Der Abstand des Punktes ~q = [1, 0, 7]T von der Ebene ist
| − 8|
4
d(~q, E) = √
=√ .
56
14
Dabei ist µ = −1/7 und ~x∗ = [9/7, −4/7, 43/7]T .
√
56.
15
2.19 Implizite Form von Ebenen in R3 : Sei
E : ~x = p~ + λ1~r1 + λ2~r2 ,
λ1 , λ2 ∈ R,
eine Ebene in R3 mit Normalenvektor ~n. Multipliziert man die Gleichung der Ebene
skalar mit ~n, dann erhält man die implizite Form
E : h~x, ~ni = h~p, ~ni.
Die Ebene E ist also die Menge aller Punkte ~x ∈ R3 , die diese Gleichung erfüllen. Auf
der linken Seite steht eine Linearkombination der Komponenten von ~x, und auf der
rechten Seite steht die Konstante d := h~p, ~ni ∈ R.
2.20 Hessesche Normalform: Normiert man speziell den Normalenvektor ~n auf Länge
1, d.h.,
~n
,
~n0 :=
k~nk
dann lautet die implizite Form
E : h~x, ~n0 i = d0 ,
wobei d0 := h~p, ~n0 i =
d
.
k~nk
Diese bezeichnet man als die Hessesche Normalform der Ebene E. Sie ist dadurch ausgezeichnet, dass der Betrag der Konstanten d0 den Abstand der Ebene vom Ursprung
angibt, also
d(~0, E) = |d0 |.
Der Abstand eines beliebigen Punktes ~q ∈ R3 von der Ebene ist durch
d(~q, E) = |d0 − h~q, ~n0 i|
gegeben.
2.21 Beispiel [→ 2.18]: Mit p~ = [1, 1, 5]T , ~n = [−2, 4, 6]T und ~x = [x, y, z]T erhält
man d = h~p, ~ni = 32 und damit die implizite Form
E : −2x + 4y + 6z = 32.
Die Normierung
k~nk =
√
√
56 = 2 14
⇒

−1
1
~n0 = √  2 
14
3

⇒
16
d0 = h~p, ~n0 i = √
14
liefert die Hessesche Normalform
2
3
16
−1
E : √ x+ √ y+ √ z = √ .
14
14
14
14
√
Der Abstand der Ebene vom Ursprung ist also d0 = 16/ 14, und der Abstand des
Punktes ~q = [1, 0, 7]T von der Ebene ist wie zuvor
√ √
√
d(~q, E) = 16/ 14 − 20/ 14 = 4/ 14.
16
2.22 Schnitt Ebene-Gerade: Zur Berechnung des Schnittpunkts ~x∗ einer Ebene E
mit einer Geraden g in R3 verwendet man zweckmäßigerweise für die Ebene die implizite
und für die Gerade die parametrische Form,
E : h~x, ~ni = d
g : ~x = p~ + λ~r,
λ ∈ R.
Setzt man die Geradengleichung in die Ebenengleichung ein, so erhält man die Bedingung
h~p, ~ni + λ∗ h~r, ~ni = d
(2.1)
für den Parameter λ∗ des Schnittpunkts. Nun sind folgende Fälle zu unterscheiden:
• Falls h~r, ~ni =
6 0, dann ist der Schnittpunkt eindeutig bestimmt und durch
~x∗ = p~ +
d − h~p, ~ni
~r
h~r, ~ni
gegeben.
• Falls h~r, ~ni = 0 und h~p, ~ni = d, dann ist Gleichung (2.1) für alle λ∗ ∈ R erfüllt;
es gibt also unendlich viele Lösungen. Dies bedeutet, dass die Gerade parallel zur
Ebene ist und vollständig in dieser liegt.
• Falls h~r, ~ni = 0 und h~p, ~ni =
6 d, dann ist Gleichung (2.1) für kein λ∗ ∈ R erfüllt; es
gibt also keinen Schnittpunkt. Dies bedeutet, dass die Gerade parallel zur Ebene
ist und nicht in dieser liegt.
2.23 Lineare Teilräume: Eine nichtleere Teilmenge L ⊂ Rn heißt linearer Teilraum,
wenn für ~x, ~y ∈ L und α ∈ R stets auch
~x + ~y ∈ L,
α~x ∈ L.
Ein linearer Teilraum muss also mit zwei Vektoren stets deren Summe und mit jedem
Vektor dessen Vielfache enthalten. Wegen L 6= ∅ ist stets ~0 = 0~x ∈ L.
2.24 Beispiel:
• Rn und {~0} sind lineare Teilräume von Rn .
x1
• L1 = {
: x2 = 0} ist ein linearer Teilraum von R2 .
x2
x1
• L2 = {
: x2 > 0} ist kein linearer Teilraum von R2 , da zum Beispiel ~0 6∈ U2 .
x2
• Die liearen Teilräume der Ebene R2 sind Ursprungsgeraden, R2 und {~0}. Die linearen Teilräume von R3 sind Ursprungsgeraden, Ursprungsebenen, R3 und {~0}.
17
2.25 Linearkombination und linearer Spann: Seien p~1 , . . . , p~m Vektoren in Rn und
λ1 , . . . , λm reelle Zahlen. Dann nennt man den Vektor
m
X
~x = λ1 p~1 + · · · + λm p~m =
λi p~i
i=1
eine Linearkombination der Vektoren p~i mit Koeffizienten λi .
Betrachtet man alle möglichen Linearkombinationen von p~1 , . . . , p~m zugleich, so erhält
man einen linearen Teilraum von Rn , der mit Lin(~p1 , . . . , p~m ) bezeichnet wird:
Lin(~p1 , . . . , p~m ) = {λ1 p~1 + · · · + λm p~m : λ1 , . . . , λm ∈ R}.
Ist p~1 6= ~0, so ist Lin(~p1 ) die Gerade in Richtung p~1 durch den Ursprung. Sind p~1 , p~2
keine Vielfachen voneinander, insbesondere also keiner = ~0, so ist Lin(~p1 , p~2 ) die durch
p~1 , p~2 aufgespannte Ebene durch den Ursprung.
2.26 Lineare Unabhängigkeit: Die Vekoren p~1 , . . . , p~m heißen linear unabhängig,
wenn man den Nullvektor nur dann als Linearkombination erhält, wenn alle Koeffizienten Null sind. Es muss also gelten:
m
X
λi p~i = ~0
⇒
i=1
λ1 = · · · = λm = 0.
Kann der Nullvektor auch anders gebildet werden, also mit mindestens einem λi 6= 0,
so heißen p~1 , . . . , p~m linear abhängig.
2.27 Beispiel:
• Die Einheitsvektoren
 
1
 0 
 
 
~e1 :=  0  ,
 .. 
 . 
0




~e2 := 




0
1
0
..
.



~e3 := 





,


0
0
0
1
..
.
0








 , . . . , ~en := 




sind linear unabhängig, denn aus
n
X
i=1



λi~ei = 

λ1
λ2
..
.
λn


 ~
=0

folgt λ1 = λ2 = · · · = λn = 0.
• Ebenfalls linear unabhängig sind
1
,
~x1 :=
1
~x2 :=
2
−1
~y2 :=
−2
−2
Dagegen sind
~y1 :=
1
1
linear abhängig, denn 2~y1 + ~y2 = ~0.
,
.
0
0
0
..
.
1







18
2.28 Basis und Dimension: Sei L ⊂ Rn ein linearer Teilraum und p~1 , . . . , p~m ∈
L. Wenn p~1 , . . . , p~m linear unabhängig sind und L = Lin(~p1 , . . . , p~m ) gilt, so heißen
p~1 , . . . , p~m eine Basis von L, und wir sagen L hat Dimension m oder kurz dim L = m.
2.29 Beispiel [→ 2.27]:
• Die Einheitsvektoren ~e1 , . . . , ~en bilden eine Basis des Rn . Insbesondere ist
dim Rn = n.
Dagegen ist ~e2 , . . . , ~en keine Basis des Rn , denn ~e1 6∈ Lin(~e2 , . . . , ~en ).
• Die Vektoren ~x1 , ~x2 bilden eine Basis von R2 , die Vektoren ~y1 , ~y2 aber nicht.
• Ist g : ~x = λ~r mit λ ∈ R eine Ursprungsgerade, so ist dim(g) = 1; die Dimension
einer Ebene E : ~x = λ1~r1 + λ2~r2 mit λ1 , λ2 ∈ R ist zwei.
2.30 Eigenschaften: Ist L ein linearer Teilrraum von Rn , so gilt:
• Es gibt eine Basis von L.
• Zwei verschiedene Basen von L bestehen immer aus gleich vielen Vektoren.
• dim L ≤ n.
19
3
Lineare Gleichungssysteme
3.1 Beispiel: Man berechne den Schnittpunkt der drei Ebenen
E1 : 2x + y + z = 1
E2 : 3x + y + z = 2
E3 : 4x + 2y + 3z = 0
Subtrahiert man das dreifache der ersten Zeile vom doppelten der zweiten Zeile, so erhält
man die Bedingung
−y − z = 1.
Subtrahiert man das doppelte der ersten Zeile von der dritten Zeile, so erhält man die
Bedingung
z = −2.
Setzt man dies in die vorherige Gleichung ein, so erhält man die Bedingung
−y + 2 = 1
und damit den Wert y = 1. Setzt man dies in die erste Gleichung ein, so erhält man die
Bedingung
2x + 1 − 2 = 1
und damit den Wert x = 1. Der Schnittpunkt ist also ~x = [1, 1, −2]T .
20
3.2 Beispiel [→ 3.1]: Es soll die Schnittmenge der Ebenen E1 und E2 berechnet werden.
Wie zuvor erhält man aus E1 und E2 die Bedingung
−y − z = 1.
Da keine weiteren Bedingungen vorhanden sind, kann man beispielweise der Variablen
z einen beliebigen Wert zuordnen, sagen wir
t ∈ R.
z = t,
Damit ergibt sich
−y − t = 1
⇒
y = −1 − t.
Setzt man dies in die Gleichung von E1 ein, so erhält man die Bedingung
2x + (−t − 1) + t = 1
und damit x = 1. Die Menge aller Schnittpunkte ist also gegeben durch



 

0
1
1
~x =  −t − 1  =  −1  + t  −1  , t ∈ R.
1
0
t
Die Lösungsmenge ist also eine Gerade.
21
3.3 Beispiel [→ 3.1]: Gesucht ist der Schnittpunkt der Ebenen E1 , E2 und E4 , wobei
E4 : x + y + z = 3.
Subtrahiert man vom doppelten dieser Gleichung die Gleichung von E1 , so erhält man
die Bedingung
y + z = 5.
Außerdem folgt aus den Gleichungen für E1 und E2 wie zuvor
−y − z = 1.
Addiert man die beiden letzten Gleichungen, so erhält man den Widerspruch
0 = 6.
Es gibt also keinen Schnittpunkt.
3.4 Lineares Gleichungssystem: Ein lineares Gleichungssystem (LGS) mit m Gleichungen für den Vektor ~x = [x1 , x2 , . . . , xn ]T der Unbekannten hat die Form
a1,1 x1 + a1,2 x2 + · · · + a1,n xn = b1
a2,1 x1 + a2,2 x2 + · · · + a2,n xn = b2
..
..
..
.
.
.
am,1 x1 + am,2 x2 + · · · + am,n xn = bm
wobei die Koeffizienten ai,j und die Werte bi vorgegebene reelle Zahlen sind. Gesucht ist
die Menge aller Vektoren ~x, für die alle Gleichungen erfüllt sind. Die Koeffizienten ai,j
22
auf der linken Seite kann man zu einem

a1,1
 a2,1

A =  ..
 .
am,1
Zahlenschema der Form

a1,2 · · · a1,n
a2,2 · · · a2,n 

..
.. 
..
.
.
. 
am,2 · · · am,n
zusammenfassen. Man nennt A die Matrix des Gleichungssystems. Die Werte b1 , b2 , . . . , bm
auf der rechten Seite kann man zu einem Vektor ~b = [b1 , . . . , bm ]T zusammenfassen und
man schreibt für das LGS dann auch kurz
A~x = ~b.
Man nennt das LGS
• unterbestimmt, falls m < n,
• quadratisch, falls m = n,
• überbestimmt, falls m > n.
3.5 Beispiel:
• In Bsp. 3.1 ergibt sich ein quadratisches Gleichungssystem mit
 


1
2 1 1
A =  3 1 1  und ~b =  2  .
0
4 2 3
• In Bsp. 3.2 ergibt sich ein unterbestimmtes Gleichungssystem mit
1
2 1 1
.
und ~b =
A=
2
3 1 1
3.6 Elementare Umformungen: Es
Schema zu notieren:
x1
1 : a1,1
2 : a2,1
..
..
.
.
m :
ist zweckmäßig, das LGS A~x = ~b in folgendem
x2
a1,2
a2,2
..
.
···
···
···
..
.
am,1 am,2 · · ·
xn
a1,n
a2,n
..
.
~b
b1
b2
..
.
am,n bm
Die Zahlen in den Kästchen enthalten fortlaufende Zeilennummern, die nur der Kennzeichnung dienen. In dem Schema sind die folgenden elementaren Umformungen erlaubt:
• Zeilenvertauschung: Zwei Zeilen
i
dürfen vertauscht werden.
↔
j
23
• Spaltenvertauschung: Zwei Spalten
xi
↔
xj
dürfen vertauscht werden. Dabei ist zu beachten, dass auch die Einträge in der
Kopfzeile vertauscht werden.
• Linearkombination: Die i-te Zeile darf durch die Linearkombination
←
i
p× i −q× j
ersetzt werden, sofern p 6= 0. Insbesondere kann man q = 0 wählen und so eine
Skalierung der i-ten Zeile erreichen.
Durch geeignete elementare Umformungen kann man ein gegebenes LGS in eine einfachere Form überführen, deren Lösung sich unmittelbar ablesen lässt.
3.7 Beispiel [→ 3.1]: Das Schema zu dem angegebenen LGS hat die Form
1 :
2 :
3 :
x
2
3
4
y
1
1
2
z
1
1
3
~b
1
2
0
Durch Linearkombination können die jeweils ersten Koeffizienten der zweiten und der
dritten Zeile zu Null gemacht werden:
1 :
2× 2 −3× 1 = 4 :
1× 3 −2× 1 = 5 :
~b
x
y
z
2
1
1
1
0 −1 −1
1
0
0
1 −2
Das Schema hat nun gestaffelte Form und kann schrittweise aufgelöst werden:
5 :
4 :
1 :
z = −2
−y − z = 1
⇒
2x + y + z = 1
−y + 2 = 1
⇒
⇒
2x + 1 − 2 = 1
y=1
⇒
x=1
Die Lösung ist also ~x = [1, 1, −2]T .
3.8 Beispiel [→ 3.2]: Das Schema zu dem angegebenen LGS hat die Form
1 :
2 :
x y z ~b
2 1 1 1
3 1 1 2
24
Durch Linearkombination kann der erste Koeffizient der zweiten Zeile zu Null gemacht
werden:
1 :
2× 2 −3× 1 = 3 :
x
y
z
2
1
1
0 −1 −1
~b
1
1
In der letzten Zeile kann entweder der Wert von y oder der Wert von z frei gewählt
werden. Wir setzen z.B. z = t für eine beliebige Zahl t ∈ R und erhalten damit
3 :
1 :
−y − z = 1
⇒
2x + y + z = 1
−y − t = 1
⇒
⇒
y = −1 − t
2x + (−1 − t) + t = 1
Die Lösungsmenge ist also die Gerade




0
1
~x =  −1  + t  −1  ,
1
0
⇒
x=1
t ∈ R.
3.9 Beispiel [→ 3.3]: Das LGS hat hier die Form
1 :
2 :
3 :
x
2
3
1
y
1
1
1
z
1
1
1
~b
1
2
3
Elimination der Einträge in der ersten Spalte mittels Linearkombination ergibt
1 :
2× 2 −3× 1 = 4 :
2× 3 −1× 1 = 5 :
x
y
z ~b
2
1
1 1
0 −1 −1 1
0
1
1 5
Elimination in der zweiten Spalte ergibt die gestaffelte Form
1 :
4 :
5 + 4 = 6 :
x
y
z ~b
2
1
1 1
0 −1 −1 1
0
0
0 6
Aus der letzten Zeile ergibt sich der Widerspurch
0x + 0y + 0z = 6.
Es existiert also keine Lösung.
25
3.10 Gestaffelte Form: Wie in den Beispielen zuvor gesehen, lässt sich die Lösung
eines LGS einfach bestimmen, indem man es durch elementare Umformungen auf gestaffelte
Form bringt:
x̃1 x̃2 · · · x̃r x̃r+1 · · · x̃n ~b
• ∗ ··· ∗
∗
··· ∗ ∗
0 • ··· ∗
∗
··· ∗ ∗
0 0 ··· ∗
∗
··· ∗ ∗
..
.. . .
..
..
. .
..
. .
. .. ..
.
.
.
0
0
..
.
0
0
..
.
···
···
..
.
•
0
..
.
∗
0
..
.
···
···
..
.
∗
0
..
.
∗
×
..
.
0
0
···
0
0
···
0
×
Dabei sind
• x̃1 , . . . , x̃n eine Umordnung der gesuchten Komponenten x1 , . . . , xn , die durch Spaltenvertauschungen entsteht,
• alle mit • markierten Einträge von Null verschieden,
• alle mit ∗ markierten Einträge beliebig,
• alle mit × markierten Einträge beliebig.
Die Existenz von Lösungen hängt von den mit × markierten Einträgen ab:
• Wenn ein einziger dieser Einträge von Null verschieden ist, dann besitzt das LGS
keine Lösung.
• Wenn es keine Nullzeilen und damit keine derartigen Einträge gibt oder wenn alle
diese Einträge gleich Null sind, dann exisitieren Lösungen. Diese sind wie folgt
gegegeben: Die Werte von x̃r+1 , . . . , x̃n können beliebig vorgegeben werden,
x̃r+1 = t1 ,
...,
x̃n = tn−r ,
t1 , . . . , tn−r ∈ R.
Davon ausgehend können der Reihe nach die Werte von x̃r , x̃r−1 , . . . , x̃1 bestimmt
werden.
3.11 Gauss-Algorithmus: Der Gauss-Algorithmus gibt Regeln an, mit denen ein LGS
auf gestaffelte Form gebracht werden kann:
1. Suche ein Element ai,j 6= 0. Vertausche die erste mit der j-ten Spalte und vertausche die erste mit der i-ten Zeile.
2. Ersetze alle Zeilen mit Index i ≥ 2 durch die Linearkombination
a1,1 × i − ai,1 × 1 .
Damit haben die erste Zeile und die erste Spalte die gewünschte Form. Sie werden im
weiteren Verlauf des Algorithmus nicht mehr verändert. Nun wendet man das Verfahren
analog auf die zweite Zeile und die zweite Spalte an, wobei zu beachten ist, dass die
erste Zeile nicht mehr für Zeilenvertauschungen verwendet werden darf. So verfährt
man weiter, bis die gestaffelte Form erreicht ist.
26
3.12 Beispiel: Für einen reellen Parameter α ∈ R sei das folgende LGS gegeben:
~b
x1 x2 x3 x4 x5
1
2
3
4
:
:
:
:
1
1
3 −2
4 −1
−1 −1 −3
2 −4 α
0
0 −2
1
0
3
0
0
4 −2
0 −6
Elimination der Einträge in der ersten Spalte mittels Linearkombination ergibt
1
5
3
4
:
:
:
:
~b
x1 x2 x3 x4 x5
1 1
3 −2 4
−1
0 0
0
0 0 α−1
0 0 −2
1 0
3
0 0
4 −2 0
−6
Um die zweite Zeile in die gewünschte Form zu bringen, wird in den Zeilen 5 , 3 , 4
ein von Null verschiedener Eintrag gesucht. Wir wählen z.B. den Eintrag a3,4 = 1.
Vertauschung der zweiten und der vierten Spalte sowie der Zeilen 5 und 3 ergibt
1
3
5
4
:
:
:
:
~b
x1 x4 x3 x2 x5
1 −2
3 1 4
−1
0
1 −2 0 0
3
0
0
0 0 0 α−1
0 −2
4 0 0
−6
Nun werden die Einträge der Zeilen 5 , 4 in der zweiten Spalte zu Null gemacht:
1
3
5
6
:
:
:
:
~b
x1 x4 x3 x2 x5
1 −2
3 1 4
−1
0
1 −2 0 0
3
0
0
0 0 0 α−1
0
0
0 0 0
0
Damit ist die gestaffelte Form erreicht. Es ist r = 2, und die Umordnung der Lösungskomponenten ist hier
x̃1 = x1 ,
x̃2 = x4 ,
x̃3 = x3 ,
x̃4 = x2 ,
x̃5 = x5 .
Nun sind zwei Fälle zu unterscheiden:
• Wenn α 6= 1, dann gibt es keine Lösung.
• Wenn α = 1, dann gibt es einen Lösungsraum mit n − r = 3 freien Parametern,
x3 = t 1 ,
x2 = t 2 ,
x5 = t 3 .
Durch Einsetzen in die Zeilen 3 und 1 erhält man schließlich die Lösung
 
 




5
1
−1
−4
 0 
 0 
 1 
 0 
 
 




 





~x = 
 0  + t1  1  + t2  0  + t3  0  , t1 , t2 , t3 ∈ R.
 3 
 2 
 0 
 0 
0
0
0
1
27
3.13 Homogene LGS: Ein LGS A~x = ~b heißt homogen, wenn die rechte Seite der
Nullvektor ist und anderenfalls inhomogen. Ein homogenes LGS besitzt stets mindestens
eine Lösung, nämlich den Nullvektor. Betrachtet man die gestaffelte Form, dann sind
alle mit × markierten Einträge Null. Man kann also die Werte
x̃r+1 = t1 ,
,...,
x̃n = tn−r ,
t1 , . . . , tn−r ∈ R
beliebig vorgeben und erhält somit eine Lösungsmenge mit (n − r) freien Parametern.
Diese entsprechen (n−r) genau linear unabhängigen Lösungen. Die Lösungsmenge bezeichnet man als Kern von A und schreibt dafür
ker A := {~x : A~x = ~0}.
Der Kern von A ist ein linearer Teilraum des Rn mit dim ker A := n − r (vgl. 4.9 im
nächsten Kapitel). Die Zahl r, also die Anzahl der von Null verschiedenen Zeilen in der
gestaffelten Form wird als Rang von A bezeichnet und man schreibt rang A := r. Es gilt
also
dim ker A + rang A = n,
d.h., die Dimension des Kerns und der Rang der Matrix ergeben zusammen die Spaltenzahl (Dimensionsformel).
3.14 Beispiel [→ 3.12]: Sei

1
1
3 −2
4
 −1 −1 −3
2 −4 
,
A=
 0
0 −2
1
0 
0
0
4 −2
0

dann erhält man für das homogene LGS A~x = ~0 die gestaffelte Form
1
3
5
6
:
:
:
:
x1 x4 x3 x2 x5
1 −2
3 1 4
0
1 −2 0 0
0
0
0 0 0
0
0
0 0 0
~b
0
0 .
0
0
Hier ist wir zuvor r = 2 und damit
rang A = 2 und
Mit



~x1 := 


1
0
1
2
0



,


ist der Kern von A gegeben durch



~x2 := 


dim ker A = 3.
−1
1
0
0
0



,





~x3 := 


−4
0
0
0
1






ker A = {t1~x1 + t2~x2 + t3~x3 , t1 , t2 , t3 ∈ R} = Lin(~x1 , ~x2 , ~x3 ).
Es ist also ~x1 , ~x2 , ~x3 eine Basis von ker A.
28
3.15 Inhomogene LGS: Sei ~xs eine Lösung des LGS A~x = ~b und ~xh ∈ ker A eine
Lösung des zugehörigen homogenen Systems, dann ist auch ~x := ~xs + ~xh eine Lösung.
Sind umgekert ~x und ~xs Lösungen von A~x = ~b, dann ist ~xh := ~x − ~xs ∈ ker A eine
Lösung des homogenen Systsms. Man kann also jede Lösung von A~x = ~b in der Form
~x = ~xs + ~xh ,
~xh ∈ ker A,
darstellen. Mit anderen Worten gilt: Die allgemeine Lösung eines inhomogenen Systems erhält man als Summe einer speziellen Lösung dieses Systems und der allgemeinen
Lösung des zugehörigen homogenen Systems. Dieser grundlegende Sachverhalt wird als
Superpositionsprinzip bezeichnet.
Für ~b 6= ~0 ist der Lösungsraum des inhomogenen Systems A~x = ~b kein linearer Teilraum,
da Null keine Lösung liefert.
3.16 Beispiel [→ 3.12]: Sei speziell α = 1. Man rechnet leicht nach, dass z.B.


0
 0 



−5
~xs := 


 −7 
0
das gegebene inhomogene LGS




1
1
3 −2
4
−1
 −1 −1 −3


2 −4 

 ~x =  1 
 0
 3 
0 −2
1
0 
0
0
4 −2
0
−6
löst. Zusammen mit dem in Beispiel 3.14 bestimmten Kern von A erhält man somit die
Lösungsmenge
~x = ~xs + t1~x1 + t2~x2 + t3~x3 , t1 , t2 , t3 ∈ R.
Diese Darstellung unterscheidet sich von der in Beispiel 3.12 angegeben Form. Die
Gesamtheit der Lösungen ist aber in beiden Fällen genau dieselbe. Dies sieht man,
indem man in der hier angegebenen Lösung den freien Parameter t1 durch t1 + 5 ersetzt.
3.17 Determinante: Sei A eine (n×n)-Matrix. Dann kann man die eindeutige Lösbarkeit des LGS A~x = ~b mit Hilfe der Determinante von A entscheiden. Die Determinante
ist eine reelle Zahl, die wie folgt definiert ist: Wenn A eine (1 × 1)-Matrix ist, dann ist
det A := a1,1 . Anderenfalls gilt
det A :=
n
X
(−1)i+j ai,j det Ai,j .
j=1
Dabei ist i ein beliebiger Zeilenindex und Ai,j eine (n − 1) × (n − 1)-Matrix, die durch
Streichen der i-ten Zeile und der j-ten Spalte entsteht. Damit ist die Berechnung der
Determinante auf ein Problem niedrigerer Dimension zurückgeführt und wiederholte
Anwendung führt schließlich auf Determinanten von Matrizen der Dimension (1 × 1).
29
Anstelle der oben angebenen Formel, die man auch Entwicklung nach der i-ten Zeile
nennt, kann man auch nach der j-ten Spalte entwickeln,
det A :=
n
X
(−1)i+j ai,j det Ai,j .
i=1
Es gilt: Das quadratische LGS A~x = ~b ist genau dann eindeutig lösbar, wenn det A 6= 0.
Äquivalent hierzu sind die Aussagen
det A 6= 0 ⇔ dim ker A = 0 ⇔ rang A = n.
3.18 Spezialfälle:
• n = 2:
• n = 3: Entwicklung

a b

A= d e
g h
A=
a b
c d
,
det A = ad − bc.
nach der ersten Zeile ergibt

c
f  , det A = a(ei − hf ) − b(di − gf ) + c(dh − ge).
i
Alternativ verwendet man die Regel von Sarrus. Achtung, diese Regel ist nicht für
höherdimensionale Matrizen gültig.
• Wenn A eine obere oder untere Dreiecksmatrix ist, also



a1,1 a1,2 a1,3 · · · a1,n
a1,1 0
0
 0 a2,2 a2,3 · · · a2,n 
 a2,1 a2,2 0





0 a3,3 · · · a3,n 
A= 0
 oder A =  a3,1 a3,2 a3,3
 ..

 ..
..
..
.
..
..
...
.. 
 .
 .
.
.
.
.
0
0
0 · · · an,n
an,1 an,2 an,3
dann ist det A das Produkt der Diagonalelemente,
det A = a1,1 a2,2 · · · an,n .
3.19 Beispiel:
•
det
•
•
3 5
2 4
=2

1 3 2
det  2 0 1  = 9
3 2 1


1
 0
det 
 0
0
2
3
0
0
3
2
4
0

4
1 
 = 1 · 3 · 4 · 2 = 24
5 
2
···
···
···
...
0
0
0
..
.
···
an,n




,


30
3.20 Geometrische Bedeutung:
a b
c d
gleich dem Flächeninhalt des von den
• Für n = 2 ist der Betrag von det
a
b
Vektoren
und
aufgespannten Parallelogramms:
c
d
• Für n = 3 gilt:

a1 b 1 c 1
det  a2 b2 c2  = det(~a ~b ~c) = h~a, ~b × ~ci.
a3 b 3 c 3

Der Betrag ist nach 2.8 das Volumen des Spats, das von den Vektoren ~a, ~b, ~c
aufgespannt wird.